IT视频教程资源网
标题:
小象学院,知识图谱课程2018年新某象,IT资源网
[打印本页]
作者:
admin
时间:
2022-5-29 08:14
标题:
小象学院,知识图谱课程2018年新某象,IT资源网
下载地址:
加入VIP超值
2017年10月24-2018年1月课程简介:本次的知识图谱课程主要包括三大部分:
1. 知识图谱的工程方法论。指导学员了解并掌握知识图谱的基本概念和发展历史,梳理清知识图谱的技术体系,掌握知识图谱的核心技术原理,建立知识图谱工程的方法论思维。2. 知识图谱的实战技术。从实战出发,围绕知识表示、知识抽取、语义搜索、知识问答、知识推理、知识融合等系统性介绍知识图谱相关的实战技术,使得学员具备研发知识图谱相关应用的基础能力。3. 知识图谱的典型应用。结合医疗、金融、电商等实际应用场景,介绍知识图谱各个技术点的实际应用落地方式,使得学员具备结合自身背景开展知识图谱技术实践的应用能力。
面向人群:1. 希望学习知识图谱的学生;2. 希望了解知识图谱实战技术的IT从业人员;3. 未来希望成为知识图谱工程师的求职者;4. 想在知识图谱方向进行深入研究者。
学习收益:
通过本课程的学习,学员将会收获:
1. 帮助学员系统性的掌握知识图谱的核心技术原理,结合近期研究成果,学习从基本概念到各个先进算法和技术的转化思路2. 了解国内外典型的开源知识库数据及技术资源3. 实践与理论结合,培养学员面对工程及学术问题的思考解决能力4. 基于百科知识进行各项核心技术的实例训练,并结合医疗、金融、电商等行业应用帮助学员快速积累知识图谱工程项目经验5. 对有志于从事知识问答工作或学术研究的学员,提供IBM Watson系统实现原理的讲解与指导
课程大纲:
第一课: 知识图谱概论 1. 知识图谱的起源和历史 2. 典型知识库项目简介 3. 知识图谱应用简介 4. 本次课程覆盖的主要范围:知识表示与建模、知识抽取与挖掘、知识存储、知识融合、知识推理、语义搜索、知识问答和行业知识图谱应用剖析等内容。
第二课: 知识表示与知识建模 1. 早期知识表示简介 2. 基于语义网的知识表示框架 a. RDF和RDFS b. OWL和OWL2 Fragments c. SPARQL查询语言 d. Json-LD、RDFa、HTML5 MicroData等新型知识表示 3. 典型知识库项目的知识表示 4. 基于本体工具(Protege)的知识建模最佳实践
第三课: 知识抽取与挖掘I 1. 知识抽取任务定义和相关比赛:实体识别、关系抽取和事件抽取 2. 面向结构化数据(关系数据库)的知识抽取,包括D2RQ和R2RML等转换与映射规范与技术介绍 3. 面向半结构化数据(Web tables, 百科站点等)的知识抽取 a. 基于正则表达式的方法 b. Bootstrapping和Wrapper Induction介绍 4. 实践展示:基于百科数据的知识抽取
第四课: 知识抽取与挖掘II 1. 面向非结构化数据(文本)的知识抽取 a. 基于本体的知识抽取,包括NELL和DeepDive系统介绍 b. 开放知识抽取,包括TextRunner、Reverb和OLLIE等系统介绍 2. 知识挖掘 a. 知识内容挖掘:实体消歧与链接 b. 知识结构挖掘:关联规则挖掘与社区发现 c. 知识表示学习与链接预测,包括TransE和PRA等算法介绍
第五课: 知识存储 1. 基于关系数据库的存储设计,包括各种表设计和索引建立策略 2. 基于RDF的图数据库介绍 a. 开源数据库介绍:Apache Jena、Sesame、gStore、RDF-3X等 b. 商业数据库介绍:Virtuoso、AllegroGraph、BlazeGraph等 3. 原生图数据库介绍,包括Neo4j、OrientDB、Titan和Cayley等 4. 实践展示:使用Apache Jena存储百科知识,并使用Fuseki构建图谱查询服务
第六课: 知识融合 1. 知识融合任务定义和相关竞赛:本体对齐和实体匹配 2. 本体对齐基本流程和常用方法 a. 基于Linguistic的匹配 b. 基于图结构的匹配 c. 基于外部知识库的匹配 3. 实体匹配基本流程和常用方法 a. 基于分块的多阶段匹配 b. 基于规则(配置或通过学习)的实体匹配 4. 知识融合工具介绍:包括Falcon-AO、Silk、PARIS、DEDUPE、LIMES和KnowledgeVault 5. 实践展示:使用Falcon-AO融合百度百科与维基百科中的知识
第七课: 知识推理 1. 本体知识推理简介与任务分类,包括概念可满足性、概念包含、实例分类和一致性检测等 2. 本体推理方法与工具介绍 a. 基于Tableaux运算的方法:Fact++、Racer、Pellet和Hermit等 b. 基于一阶查询重写的方法:Ontology-based Data Access的Ontop等 c. 基于产生式规则的方法(如Rete):Jena、Sesame和OWLIM等 d. 基于逻辑编程(如Datalog)改写的方法:KAON2和RDFox等 3. 实践展示:使用Jena完成百科知识上的上下位推理、缺失类别补全和一致性检测等
第八课: 语义搜索 1. 语义搜索概述,包括Knowledge Card、Rich Snippet、Facebook Graph Search等 2. 基于语义标注的网页搜索 a. Web Data Commons项目介绍 b. 排序算法介绍,扩展BM25 3. 基于图谱的知识搜索 a. 本体搜索(ontology lookup) b. 探索式知识检索,包括查询构造、结果排序和分面(facets)推荐 4. 知识可视化,包括本体、查询、结果等的展现方式和可视化分析 5. 实践展示:使用ElasticSearch实现百科数据的语义搜索
第九课: 知识问答I 1. 知识问答概述和相关数据集(QALD和WebQuestions) 2. 知识问答基本流程 3. 知识问答主流方法介绍 a. 基于模板的方法,包括模板定义、模板生成和模板匹配等步骤 b. 基于语义解析的方法,包括资源映射,逻辑表达式候选生成与排序等 c. 基于深度学习的方法
第十课: 知识问答II 1. IBM Watson问答系统及核心组件详细解读 a. 问句理解 b. 候选答案生成 c. 基于证据的答案排序 2. 实践展示:面向百科知识的问答baseline实现
第十一课: 行业知识图谱应用 1. 行业知识图谱特点 2. 行业知识图谱应用,包括金融、医疗、数字图书馆等领域应用 3. 行业知识图谱构建与应用的挑战 4. 行业知识图谱生命周期定义和关键组件
下载地址:
加入VIP超值
欢迎光临 IT视频教程资源网 (http://buyallchip.top/)
Powered by Discuz! X3.2